拓扑图格独立分量分析和谱聚类支持的纹理探测

提出的纹理探测方法首先采用拓扑图格独立分量分析(TICA)分别对每个观测纹理进行学习,获得分离基分离基的作用相当于滤波器,并通过最大响应准则得到选择从不同纹理选择的滤波器构成一个滤波器集;为了计算探测点的纹理特征,测试图像被分解为滤波器通道最后,探测点被视为谱图的顶点,根据谱聚类(SC)对谱图的切分结果,递归地分离出探测点实验结果表明。

拓扑独立分量分析在方言特征提取中的应用研究

将基于Mel频率域能量(简称Mel能量)的拓扑独立分量分析算法(ME-TICA)用于方言特征提取。拓扑独立分量分析(TICA)算法能够实现同组信号之间存在高阶相关性时的盲分离,ME-TICA算法在保留这种性能的基础上,引入Mel能量相关的概念来体现人类听觉特征,实现了从无标注的方言语句集中提取包含基音频率和调长两种指标的方言声调特征。文中设计了完整的特征提取过程。英语和汉语两种方言特征提取和识别的仿真实验验证了ME-TICA算法所提取的方言特征具有精度高和鲁棒性强的优势。

基于成对累计量的自然图像拓扑表示模型

针对传统模型建模复杂、算法效率较低等缺点,提出了一种学习自然图像拓扑表示的新方法.不同于传统的空域汇集操作,文中利用"成对累计量"对初级视皮层复杂细胞之间的二元关系进行建模,并结合向量在高维空间中的分布特点,得到了能够模拟V1区复杂细胞特性的自然图像拓扑表示模型.此外,在模型的估计部分,推导出基于"不动点迭代"的快速学习算法.实验表明,该模型能够有效地捕捉复杂细胞中的非线性依赖关系,从自然图像中学习的基向量具有类似于V1区复杂细胞的特性.与传统方法相比,文中算法不仅适用于完备或超完备基的学习问题,而且具有类似于FastICA算法的收敛性能,比同类算法更加快速可靠.

基于ICA的小波域图像数字水印方法

利用独立分量分析(ICA)和小波变换,提出一种新的图像数字水印方法。该方法充分利用置乱技术、纠错码技术以及HVS的特性,使得水印的鲁棒性和透明性都得到了保证。使用ICA技术可以更加有效的提取水印。经大量实验证明,本文所提出的方法对常用的图像处理有较强的抗攻击性。

纹理图像基及其应用

纹理图像被视为基本微模式的线性组合·拓扑图格独立分量分析首先被用来学习图像基,然后根据生成模型,通过变换图像基获得基本微模式·最后给出了其两个应用例子:从微模式中提取基本视觉元素,并提出了相应的算法;将学习获得的分离基视为滤波器,实现其纹理分割·对比实验分析表明,该算法可取得满意的分割结果·

基于稀疏性与同步性的视皮质假体图像处理策略

背景:视觉系统是人类获知外部世界的重要感觉系统,因各种疾病或其他损伤导致视觉丧失的盲人数量与日俱增,视皮质假体的研究有望为盲人提供一条复明的途径。视皮质假体虽然经过多年的研究,在某些方面取得了一定的进展和成果,但仍存在很多问题和挑战。目的:针对置入视皮质的刺激电极数量有限这一问题,提出一种基于稀疏性和同步性的视皮质假体图像处理策略。方法:该策略借鉴视觉皮质的生理特性,首先采用基于稀疏性的拓扑独立成分分析方法提取自然图像的基函数及神经元的响应,然后采用基于同步性的脉冲耦合神经网络方法对响应系数进行筛选,获取最佳神经元响应,最后利用最佳神经元响应刺激相应的神经元达到恢复自然图像的目的。结果与结论:实验结果表明,该策略理论上可以利用较少的神经元表征自然图像中的重要信息,应用于视皮质假体可有效减少置入刺激电极的数量,达到更好的信息传递效果。